Identifikasi Dosis Enzim untuk Degradasi Bulu di Sarang Walet Berbasis Citra Digital Menggunakan Jaringan Syaraf Konvolusional

Nafi’ah, Riris Waladatun and Dr. Ir. Nur Hidayat,, MP. and Prof. Yusuf Hendrawan,, STP.,M.App.Life Sc., Ph.D (2023) Identifikasi Dosis Enzim untuk Degradasi Bulu di Sarang Walet Berbasis Citra Digital Menggunakan Jaringan Syaraf Konvolusional. Sarjana thesis, Universitas Brawijaya.

Abstract

Sarang burung walet atau edible birds nest merupakan produk luaran burung walet yang berasal dari liur atau saliva yang mengeras dengan harga yang mahal. Parameter yang membuat sarang walet mahal adalah kebersihannya. Pembersihan dilakukan secara destruktif dengan proses pencabutan bulu sarang walet secara manual menggunakan pinset dan membutuhkan waktu yang cukup lama, yakni 30 hingga 45 menit. Salah satu solusi dalam pembersihan sarang walet dari bulu walet adalah dengan menggunakan bantuan enzim protease serin. Enzim tersebut diaplikasikan dengan jumlah dosis yang berbeda-beda sesuai dengan banyaknya substrat bulu walet agar proses pendegradasian berjalan secara optimal. Diperlukan sebuah sistem detektor untuk menghindari pemborosan sebuah dosis enzim protease serin untuk mendegradasi limbah bulu walet. Salah satu metode yang dapat digunakan untuk mengidentifikasi kebutuhan dosis enzim untuk degradasi bulu walet adalah deep learning dengan model Jaringan Syaraf Konvolusional. Metode penelitian dimulai dari pengambilan dataset sebanyak 72 dan diaugmentasi menjadi 607 gambar. Rasio data training dan validasi yaitu 80:20. Pembelajaran model dilakukan menggunakan bahasa python dalam format jupyter notebook dengan library tensorflow di Google Colaboratoy. Pembelajaran model dilakukan dengan 2 jenis arsitektur GoogleNet dan ResNet-50 serta 7 jenis optimizer yang berbeda. Hasil model terbaik dalam penelitian ini yaitu jenis arsitektur ResNet-50 dengan optimizer Nadam dan parameter epoch 10, batch size 32, learning rate 0,001. Hasil nilai dari model terbaik yaitu loss 0.0562, accuracy (%) 100, Val_Loss 0.12, Val_Accuracy (%) 100. Model tebaik dideployment sebagai bentuk sistem yang mempermudah user dalam identifikasi dosis enzim untuk degradasi bulu di sarang walet.

English Abstract

Swallow's nest or edible bird's nest is an external product of swallows that comes from burrows or a hardened spit that are expensive. The parameter that makes a swallow's nest expensive is its cleanliness. Cleaning is done destructively by manually removing the swiftlet nest feathers using tweezers and takes a long time, 30 to 45 minutes. One of the solutions for cleaning swallow nests from swiftlet feathers is to use the enzyme serine protease. The enzyme was applied in different doses according to the amount of substrate in the swiftlet feathers so that the degradation process was optimal. A detector system is needed to avoid wasting doses of serine protease enzymes to degrade swallow feather waste. One method that can be used to identify the need for enzyme doses for the degradation of swiftlet feathers is deep learning with the Convolutional Neural Network model. The research method starts with taking a dataset of 72 and augmenting it into 607 images. The training and validation data ratio is 80:20. The learning model is carried out using the Python language in the Jupyter notebook format with theTensorFlow library on Google Colaboratory. The learning model is carried out with 2 types of GoogleNet and ResNet-50 architectures and 7 different types of optimizers. The best model results in this study are the ResNet-50 architecture type with the Nadam optimizer and epoch parameters 10, batch size 32, and learning rate 0.001. The results of the best model values are loss 0.0562, accuracy (%) 100, Val_Loss 0.12, and Val_Accuracy (%) 100. The best model is deployed as a form of system that makes it easier for users to help dose enzymes to degrade feathers in swallow nests.

Item Type:	Thesis (Sarjana)
Identification Number:	0523100043
Uncontrolled Keywords:	Jaringan Syaraf Konvolusional, Sarang Walet, Enzim protease serin, ResNet-50, Nadam,Convolutional Neural Networks, Swallow's Nest, Serine protease Enzyme, ResNet-50, Nadam
Subjects:	300 Social sciences > 338 Production > 338.1 Agriculture > 338.16 Production efficiency
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	soegeng Moelyono
Date Deposited:	14 Aug 2023 03:52
Last Modified:	14 Aug 2023 03:52
URI:	http://repository.ub.ac.id/id/eprint/202421

Text (DALAM MASA EMBARGO) Riris Waladatun Nafiah.pdf Restricted to Registered users only until 31 December 2025. Download (2MB)

Actions (login required)

View Item